Сгенерированная титульная карточка для Realtime 1 против GPT Live 1, показывающая $0.01 против $0.05 за минуту аудио, и примечание о том, что сравнение «кажется очень близким» не проверено, плюс логотип OrcaRouter.
Engineering & Research

Realtime 1 против GPT Live 1: пять центов против одного, и заявление, которое пока никто не может проверить

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Пять центов в минуту. Столько O​penAI взимает за G​PT Live 1 — полнодуплексную голосовую модель, которая «может слушать и говорить одновременно», с посекундной оплатой без округления вверх; использование серверной модели и инструментов оплачивается отдельно. MAI Realtime 1, анонсированная Microsoft 17 ноября 2026 года, стоит цент в минуту до уровня рассуждений. В тарифной сетке разница составляет пять к одному, а один человек, пользовавшийся обеими, рассказал в интернете, что Realtime 1 «ощущается очень близко к модели G​PT Live». Эта фраза — самое интересное в этом противостоянии и самое непроверяемое, потому что есть ровно один способ разрешить это, и ни одна независимая сторона не провела соответствующий тест.

Так что рассматривайте это как два вопроса, а не один. Разве модель за цент в минуту в пять раз хуже? И что на самом деле даёт измеренный профиль G​PT Live 1, что более дешёвой модели пришлось бы повторить? На второй есть ответы. На первый — пока нет.

Архитектуры имеют неодинаковую форму.

GPT Live 1 — необычная модель, и в её документации это прямо сказано. Это полнодуплексная модель — она слушает и говорит одновременно, а не по очереди — и не пытается выполнять рассуждения сама. Она «передаёт рассуждения и работу с инструментами бэкенд-агенту», доступному только через v1/live/sessions, без поддержки эндпоинтов Chat Completions, Responses или Realtime. Она принимает аудио и текст на вход и выдаёт их на выход, поддерживает потоковую передачу и вызов функций, но не принимает изображения или видео.

• G​PT Live 1 — полнодуплексный фронтенд, а рассуждения делегируются любому бэкенд-агенту, который вы подключите. Ограничения на количество одновременных сеансов: 50 в Build, 300 в Launch, 500 в Grow. Бесплатного тарифа нет.

• MAI Realtime 1 — преобразование речи в речь с быстрым путём и внутренним уровнем рассуждений. Microsoft взимает $1.00 за миллион входных и $5.00 за миллион выходных токенов. В режиме диалога оплата взимается за аудиоминуту. Предварительная версия не тарифицируется до публичной предварительной версии.

Обе системы, по сути, состоят из двух частей. Разница в том, кому принадлежит вторая часть. В GPT Live 1 она явно ваша: вы выбираете бэкенд-агента, отдельно платите за его токены и видите стык. В MAI Realtime 1 передача управления встроена в продукт и страницу тарифов, а решение о маршрутизации вы не настраиваете.

Это единственное архитектурное различие объясняет большую часть ценового разрыва. OpenAI берёт $0,05 в минуту за очень хорошие «уши и рот». Microsoft берёт $0,01 за приличные «уши и рот» плюс внутренний диспетчер и монетизирует размышления по счётчику токенов.

Что на самом деле показывают измерения GPT Live 1

G​PT Live 1 дважды представлен на доске Artificial Analysis для преобразования речи в речь, потому что подключаемый вами бэкенд-агент меняет результат:

• Индекс «речь — речь» — 83,2 с бэкендом класса Astra на среднем уровне и 80,1 с бэкендом класса Sol на низком. Оба показателя выше 74,5 у G​emini 3.8 Live и значительно выше 77,3 у Eleven Realtime Max, что делает G​PT Live 1 моделью с самым высоким индексом в этом наборе сравнения.

• Рассуждение на основе речи (Big Bench Audio) — 90,1% и 89,0% соответственно. Не верхушка рейтинга — Eleven Realtime Max набирает 98,8% — но это вполне конкурентоспособный результат.

• Динамика беседы — 94,9% и 97,3%. Вариант с конфигурацией Sol получил лучшую оценку динамики в наборе; это показатель, соответствующий ощущению «с ним приятно общаться».

• Выполнение агентных задач (τ-Voice) — 74,5% и 59,3%. Оба показателя с большим отрывом превосходят 30,1% у G​emini 3.8 Live, что и следовало ожидать от модели, вся концепция которой заключается в передаче работы мощному бэкенду.

• Arena Elo — 1027 и 1037.

• Доля успешно выполненных задач — 87,4% и 90,9%.

• Время до первого аудио — 1,34 и 1,24 секунды. Медленнее, чем 0,57 у Eleven Realtime Max, и медленнее, чем 1,18 у G​emini 3.8 Live, но полнодуплексная архитектура означает, что воспринимаемое ожидание — не то же самое, что измеренное; модель, которая подтверждает, пока думает, не ощущается как сделавшая паузу.

• Смешанная стоимость — $5.83 и $4.47 в час по нормализации Artificial Analysis, при тарифной ставке $0.05 за минуту, что составляет $3.00 в час только за голосовую линию. Более высокие цифры включают затраты на токены бэкенда — это честный способ трактовать модель, которая делегирует рассуждения.

Из этих чисел следуют два вывода. Во-первых, конфигурация важна не меньше, чем модель: один и тот же G​PT Live 1 набирает 83,2 или 80,1 в зависимости от того, на какой бэкенд вы его направите, и 74,5% или 59,3% на агентных задачах. Обзор, который приводит одну цифру, не указывая, какой бэкенд использовался, почти ничего вам не сообщает. Во-вторых, лидер индекса здесь — не лидер арены: G​emini 3.8 Live побеждает по Elo, G​PT Live 1 — по индексу. Они измеряют разные вещи, и ни то, ни другое не является прокси для вашей рабочей нагрузки.

A screenshot of Artificial Analysis's Speech to Speech AI Model & Provider Leaderboard page captured 18 November 2026, showing the page heading, the methodology summary covering reasoning quality, conversational dynamics, generation time and price, the Speech to Speech Index / Speed / Cost per Hour chart panels, and the Related Links rail; the individual model rows in the charts are not legible at this capture size.

Утверждение, которое стоит проверить, и сколько стоит его проверка

«Это ощущалось очень близко к модели G​PT Live». Если воспринимать это буквально, это самое сильное, что кто-либо говорил о MAI Realtime 1, и исходит это от человека без опубликованной методологии, без записей и без набора задач. Справедливости ради, это также ровно то, как появляется большинство ранних впечатлений о голосовых моделях — полнодуплексное общение трудно оценить количественно и легко почувствовать, поэтому арена и существует в первую очередь.

Проблема в том, что это утверждение проверяемо лишь наполовину. Microsoft публикует для MAI Realtime 1 единственный показатель точности — 98,8% на Big Bench Audio, на странице модели, по результатам испытаний поставщика и без воспроизведения, — а также карточку P50 времени до первого аудио и подпись «P50 Latency on BigBench Audio». Microsoft не публикует ни оценку τ-Voice, ни распределение задержки, ни список языков. По состоянию на 18 ноября Artificial Analysis не включает MAI Realtime 1, поэтому нет независимого показателя этих 98,8%, который можно было бы поставить рядом с 90,1% у GPT Live 1: первый — собственная оценка поставщика, второй — оценка третьей стороны. В своём сравнительном утверждении Microsoft называет GPT Realtime 2.1 — другую модель, нежели GPT Live 1, с совершенно иной структурой цен, — и даже это сравнение публикуется как позиция на переднем крае, а не как числа.

Итак, полезная версия этого утверждения — это план тестирования, а не вердикт. Четыре вещи, которые нужно прогнать, и все они дешёвы, пока предварительная версия не тарифицируется:

• Последовательное сравнение — одни и те же двадцать записанных звонков, пропущенных через обе модели, оценённых вслепую. Это единственный способ проверить, «ощущается ли близко», и именно этот тест пропустило исходное утверждение.

• Прерывание при перекрытии — полнодуплексная конструкция G​PT Live 1 позволяет ему одновременно говорить и слушать. Проверьте, действительно ли Realtime 1 обрабатывает одновременную речь или лишь чистые прерывания. Это разные возможности, и только одна из них проявляется в демо.

• Задержка эскалации — в момент, когда Realtime 1 передаёт ход своему механизму рассуждений, измерьте паузу. Microsoft утверждает: «без неловких пауз» — но это заявление о задержке, к которому не приложено ни числа.

• Стоимость одного завершённого вызова — не за минуту. Модель, которая стоит в пять раз меньше за минуту и требует на два хода больше для обработки запроса, не стоит в пять раз дешевле. Именно этот показатель решает исход сравнения, и ни один из поставщиков его не публикует.

Куда уходят пять центов

Если дополнительные четыре цента в минуту за GPT Live 1 не дают вам ничего, то здесь и решать нечего. Но они дают нечто конкретное: измеренный показатель агентности 74,5% в противовес неизмеренному утверждению — и полнодуплексную архитектуру, которая представляет собой не улучшенную версию поочерёдного обмена репликами, а принципиально иную возможность.

Сверх тарифа вы платите контролем и технической обвязкой. GPT Live 1 требует, чтобы вы сами предоставляли и оплачивали backend-агента — это реальная работа и реальные расходы, но также и причина, по которой его конфигурация меняет его показатели. Вы выбираете модель рассуждений; вы видите расход токенов; вы решаете, что эскалировать. MAI Realtime 1 принимает это решение внутри продукта и взимает за это $1.00 и $5.00 за миллион токенов, не сообщая вам, как часто это происходит.

Этот компромисс — прозрачность против удобства — и есть то, чем шлюз оправдывает своё место. Обе модели в конечном счёте обращаются к моделям рассуждения: G​PT Live 1 — по замыслу, а MAI Realtime 1 — внутри системы, и именно этот слой рассуждений маршрутизирует OrcaRouter: 200+ моделей за одним ключом по прайс-листовой цене провайдера с наценкой 0%, поэтому бэкенд, определяющий конфигурацию вашего G​PT Live 1, можно заменить без второго контракта, плюс автоматическое переключение при сбое, чтобы зависший вызов рассуждения не превратился в тишину посреди фразы. Объединение моделей — ещё один рычаг, о котором здесь стоит знать — для голосового агента, у которого сложные ходы — самые дорогие, панель, отвечающая совместно на эскалированном пути, — это способ купить точность там, где это важно, не платя за неё на каждом ходу.

Если говорить точно об охвате: ни GPT Live 1, ни MAI Realtime 1 нет в каталоге OrcaRouter. GPT Live 1 — это собственный эндпоинт OpenAI v1/live/sessions; MAI Realtime 1 — это MAI Labs и preview с ограниченным доступом от Foundry. Мы предоставляем то, что стоит за ними.

Деталь интеграции, от которой зависит ваш график

У G​PT Live 1 более неуклюжая интеграция и более качественная документация. Его выделенный эндпоинт v1/live/sessions означает, что ничего из созданного вами на основе Realtime API не переносится — это новая модель сессий, и то, что он не поддерживает Chat Completions, Responses или Realtime, не случайно указано в его документации первым пунктом. Ограничения скорости учитывают одновременные сессии, а не токены, поэтому планирование мощностей — совершенно другая задача: 50 одновременных сессий на Build, 300 на Launch, 500 на Grow, бесплатного тарифа нет.

MAI Realtime 1 — это противоположность: интерфейс, совместимый с OpenAI Realtime API, и это самая полезная фраза во всём анонсе Microsoft. Если ваш стек уже говорит на этом протоколе, проверка сводится к строке модели и базовому URL. Подвох — во всём, что окружает интерфейс: нет списка языков, нет распределения задержек, нет оценки τ-Voice, нет даты GA, а двухминутное демо в MAI Labs, когда мы проверяли, сообщало: «MAI Realtime is unavailable right now».

Итак, асимметрия сроков реальна. G​PT Live 1 можно интегрировать уже на этой неделе, используя опубликованную документацию и продакшен-эндпоинт. MAI Realtime 1 можно прототипировать, опираясь на понятную вам совместимость, а затем дожидаться превью, которое бесплатно именно потому, что ещё не завершено.

A screenshot of OpenAI's GPT-Live-1 documentation captured 18 November 2026, showing the model page headline, the $0.05 per minute billed-per-second pricing, the v1/live/sessions endpoint, and the note that reasoning and tool work are handed off to a backend agent.

Вердикт, сформулированный в виде ставки

Выберите GPT Live 1, если голосовой опыт — это продукт, а вам нужен бэкенд, который вы контролируете. У него самый высокий индекс speech-to-speech в своём классе, лучшая динамика разговора с бэкендом класса Sol, агентный показатель, который превосходит все не-OpenAI модели в сравнении, кроме Phonic 1 и Grok Voice 3.0, и документация, которая точно объясняет, что он делает. Пять центов в минуту — это реальная цифра, и её можно прогнозировать.

Ставьте на MAI Realtime 1, если экономика — это ограничение, а инженерное время вы готовы тратить на измерения, а не на закупки. Цент в минуту при неоплачиваемом превью и OpenAI-совместимом интерфейсе — это самый дешёвый способ выяснить, превосходит ли двухуровневая схема Microsoft вашу схему на стороне приложения. Вы принимаете, что именно вам придётся строить распределение задержек, определять значение τ-Voice и список языков, поскольку Microsoft не опубликовала ничего из этого, — и что её единственная цифра точности, 98,8% на Big Bench Audio, исходит от поставщика без какого-либо обоснования.

Единственное, чего не стоит делать, — повторять утверждение «ощущается очень близко» так, будто это результат. Возможно, оно верно. Тот, кто это сказал, вполне может быть прав, и если это так, это сравнение перестаёт быть интересным, потому что более дешёвая модель окажется лучшей по оси, которая важнее всего для пользователей. Но ощущение, полученное за один день, — не показатель доли выполненных задач, а число, которое решило бы вопрос, — какую долю реальных вызовов фактически завершает каждая модель, — это то единственное число, которое не опубликовал ни один из поставщиков.

A generated two-column scoreboard titled 'MAI Realtime 1 vs GPT Live 1 — the scoreboard'. Left column MAI Realtime 1: voice price $0.01 plus tokens, speech index not published, agentic not published, dynamics not published, first audio P50 only. Right column GPT Live 1: $0.05 per minute, speech index 83.2 / 80.1, agentic 74.5% / 59.3%, dynamics 94.9% / 97.3%, first audio 1.34 s / 1.24 s. Footer reads 'GPT Live 1 per Artificial Analysis, two backends; MAI index and agentic scores unpublished.'

Сравнение в этой статье1

Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно

© 2026 OrcaRouter